Cómo leer una tabla de regresión
29-08-2024
Estimando (lo que queremos saber)
Estimador (procedimiento aplicado a los datos)
Estimación (producida por ese procedimiento)
Error estándar y tipo
Valor \(p\)
Tamaño de la muestra
Clusters
Bloques
Media del grupo de control
Interpretar:
\[ Y_i = \alpha_0 + \alpha_1 T_i + \epsilon_i\]
Una técnica para estimar la relación entre una variable de resultado y variables predictoras.
A menudo proponemos y estimamos una relación lineal porque la regresión sin covariables está estrechamente relacionada con la diferencia de medias.
\[ Y_i = \alpha_0 + \alpha_1 T_i + \epsilon_i\]
\[ Y_i = \gamma_0 + \gamma_1 T_i + \gamma_2 X_i + \upsilon_i\]
\[ Y_i = \delta_0 + \delta_1 T_i + \delta_2 X_i + \delta_3 T_iX_i + \zeta_i\]
Migración rural-urbana en India.
Posibles explicaciones para la baja integración política de los migrantes internos:
Fuertes vínculos con la región de origen
Barreras burocráticas
Exclusión por residentes locales y élites
Tratamiento (binario): campaña puerta a puerta para facilitar el registro de votantes de migrantes internos.
Tres indicadores de integración política.
\(Y_i = \widehat{\alpha}_0 + \widehat{\alpha}_1 T_i\)
A veces verás
| Has City-based | |
| Voter ID | |
| ———– | —————— |
| Treatment | 0.243 |
| (0.019) | |
| Intercept | 0.161 |
| (s.e.) |
\(Y_i = \gamma_0 + \gamma_1 T_i + \gamma_2 X_i + \upsilon_i\)
Estimación del ITT: \(\widehat{\gamma}_1\) = 0,236
Generalmente puedes ignorar los coeficientes de las covariables. Ni siquiera se informan aquí.
Si se informan, no los interpretes como el efecto causal de la covariable.
\[Y_i = \widehat{\delta}_0 + \widehat{\delta}_1 T_i + \widehat{\delta}_2 \text{EducPrim}_i + \widehat{\delta}_3 T_i\cdot\text{EducPrim}_i\]
A menudo usamos regresiones con términos de interacción cuando queremos estimar el ATE para diferentes subconjuntos de unidades (efecto promedio del tratamiento condicional, CATE).
Por ejemplo: El ATE para personas que han completado la educación primaria y el ATE para personas que no han completado la educación primaria.
\[Y_i = \widehat{\delta}_0 + \widehat{\delta}_1 T_i + \widehat{\delta}_2 \text{EducPrim}_i + \widehat{\delta}_3 T_i\cdot\text{EducPrim}\]
Promedio \(Y_i\) si \(T_i=0\) y \(EducPrim_i=0\) : \(\widehat{\delta}_0\)
Promedio \(Y_i\) si \(T_i=1\) y \(EducPrim_i=0\) : \(\widehat{\delta}_0 + \widehat{\delta}_1\)
Promedio \(Y_i\) si \(T_i=0\) y \(EducPrim_i=1\) :
Promedio \(Y_i\) si \(T_i=1\) y \(EducPrim_i=1\) :
Con \(Muslim_i=0\), \(SC/ST_i=0\), \(HighIncome_i=0\), and \(LongTermMigrant_i=0\):
\(Y_i = \delta_0 + \delta_1 T_i + \delta_2 X_i + \delta_3 T_iX_i + \zeta_i\)
\(Y_i = \delta_0 + \widehat{\delta}_1 T_i + \widehat{\delta}_2 \text{PrimEduc}_i + \widehat{\delta}_3 T_i\cdot\text{PrimEduc}\)
\(Y_i = 0.149 + 0.248 T_i - 0.058 \text{PrimEduc}_i + 0.083 T_i\cdot\text{PrimEduc}_i\)
\[Y_i = 0.149 + 0.248 T_i - 0.058 \text{PrimEduc}_i + 0.083 T_i\cdot\text{PrimEduc}_i\]
¿Cuál es el efecto promedio del tratamiento (ATE) para \(EducPrim_i=0\)?
¿Cuál es el efecto promedio del tratamiento (ATE) para \(EducPrim_i=1\)?
¿Son estos efectos promedio del tratamiento condicionales diferentes?
¿Son estos efectos promedio del tratamiento condicionales diferentes?
Posibles explicaciones para la baja integración política de los migrantes internos:
Fuertes vínculos con la región de origen
Barreras burocráticas \(\rightarrow T1\)
Exclusión por residentes locales y élites \(\rightarrow T2\)
Aproximadamente 2000 personas alrededor de 87 centros de votación en 4 bloques: Delhi/Lucknow * por encima/debajo de la mediana del número de sujetos experimentales en el centro de votación
Índice = promedio de puntuaciones \(z\)
Puntuación \(z\) para el indicador \(k\) para el individuo \(i\): \(z_i^k\) = (\(y_i^k\) - media del grupo de control) / desviación estándar del grupo de control
Número de observaciones =
Número de clusters =